基于MapR的IPTV用户收视行为分析的方案与实践

doi:10.11959/j.issn.1000-0801.2017030

电信科学 ›› 2017, Vol. 33 ›› Issue (2): 138-144.doi: 10.11959/j.issn.1000-0801.2017030

基于MapR的IPTV用户收视行为分析的方案与实践

方艾,张玉忠,徐雄,金铎

中国电信股份有限公司广州研究院，广东广州 510630

修回日期:2017-01-19 出版日期:2017-02-01 发布日期:2017-03-07
作者简介:方艾（1981-），男，中国电信股份有限公司广州研究院工程师，主要研究方向为移动互联网与大数据应用。|张玉忠（1974-），男，中国电信股份有限公司广州研究院工程师，主要研究方向为移动互联网与大数据应用。|徐雄（1974-），男，中国电信股份有限公司广州研究院高级工程师，主要研究方向为移动互联网应用。|金铎（1970-），男，中国电信股份有限公司广州研究院高级工程师，主要研究方向为移动互联网应用。

Scheme and practice of IPTV user viewing behavior analysis based on MapR

Ai FANG,Yuzhong HANG,Xiong XU,Duo JIN

Guangzhou Research Institute of China Telecom Co.,Ltd.,Guangzhou 510630,China

Revised:2017-01-19 Online:2017-02-01 Published:2017-03-07

摘要/Abstract

摘要：

互动电视业务开放平台是运营商的互联网+IPTV转型实践，是用户、终端、内容、商家等之间相互连接的枢纽。平台目前拥有百万级的活跃用户，每天产生接近1 TB的用户收视行为、系统运行日志等数据，这些数据可用于业务运营分析、用户画像、系统运维分析等。MapR是适合此类分析的大数据处理框架之一，结合实际需求介绍MapR的主要特点、核心组件，阐述基于MapR的分析系统的架构设计及应用效果。

关键词: 大数据, 互联网+, MapR, ApacheDrill, SQLonHadoop

Abstract:

Interactive TV business open platform is the internet and IPTV transformation practice for operators.It's the interconnected hub between users,terminals,content,business and other.The platform now has millions of active users,generating nearly 1 TB of daily viewing activity and system log data.They can be used for business analysis,user portraits and system analysis.MapR was one of the large data processing frameworks suitable for this kind of analysis.The main features and core components of MapR were introduced combined with actual demand,and the architecture design and application effect of analysis system based on MapR was elaborated.

Key words: big data, Internet+, MapR, Apache Drill, SQL on Hadoop

中图分类号:

TP302.1

方艾,张玉忠,徐雄,金铎. 基于MapR的IPTV用户收视行为分析的方案与实践[J]. 电信科学, 2017, 33(2): 138-144.

Ai FANG,Yuzhong HANG,Xiong XU,Duo JIN. Scheme and practice of IPTV user viewing behavior analysis based on MapR[J]. Telecommunications Science, 2017, 33(2): 138-144.

图/表 8

图1

图2

图3

图4

图5

图6

图8

图7

[1]	MapR converged data platform[EB/OL]. (2015-10-01) [2016-11-10]. .
[2]	MapR-FS vs. HDFS:the 5-minute guide to understanding their differences-whiteboard walkthrough[EB/OL]. (2016-01-10) [2016-11-10]. .
[3]	MapR-FS provides high performance enterprise-grade storage for big data[EB/OL]. (2016-02-10) [2016-11-10]. .
[4]	SQL on Hadoop[EB/OL]. (2015-02-10) [2016-11-10]. .
[5]	Drill query execution[EB/OL]. (2016-01-10) [2016-11-10]. .
[6]	Performancetuningintroduction[EB/OL]. (2016-02-10) [2016-11-10]. .

[1]	韩璐, 陈威宇, 张斐, 何建锋, 苏怀振. 差异化需求下的非关系型分布式报送信息大数据分类方法[J]. 电信科学, 2023, 39(6): 114-121.
[2]	韩雪. 基于电力大数据的电力骨干通信网络毁伤韧性评估方法[J]. 电信科学, 2023, 39(5): 136-143.
[3]	孙玉娣. 基于电信大数据的5G网络海量用户复访行为预测模型[J]. 电信科学, 2023, 39(2): 157-162.
[4]	李爱华, 吴晓波, 陈超, 魏彬, 史嫄嫄. 5G网络大数据智能分析技术[J]. 电信科学, 2022, 38(8): 129-139.
[5]	黄更生, 黄宇红, 郭漫雪, 郑健平, 葛欣. DT时代面向数据服务的新型基础设施架构[J]. 电信科学, 2022, 38(7): 138-145.
[6]	李攀攀, 谢正霞, 乐光学, 刘鑫. 基于深度学习的无线通信接收方法研究进展与趋势[J]. 电信科学, 2022, 38(2): 1-17.
[7]	赵海波, 相志军, 肖林松. 基于异构数据的电力短期负荷大数据预测方案[J]. 电信科学, 2022, 38(12): 103-111.
[8]	刘志勇, 何忠江, 阮宜龙, 单俊峰, 张超. 大数据安全特征与运营实践[J]. 电信科学, 2021, 37(5): 160-169.
[9]	刘晓军,武娟,徐晓青. 大数据架构剖析及数据安全融合技术[J]. 电信科学, 2020, 36(7): 146-155.
[10]	刘玉娇,宋坤煌,王向. 基于电力大数据的经济景气指数分析[J]. 电信科学, 2020, 36(6): 166-171.
[11]	杨桢,曹燕宁. 基于“互联网+”的运行维护管理平台建设[J]. 电信科学, 2020, 36(4): 136-144.
[12]	程卫华,何肖嵘. 基于大数据的网页浏览质差分析方法研究[J]. 电信科学, 2020, 36(11): 174-181.
[13]	高建,陈文彬,庞建民,于华东,宋国瑞. 基于组合密钥的智能电网多源数据安全保护[J]. 电信科学, 2020, 36(1): 134-138.
[14]	谭晓敏,方艾,梁冰,杨豪杰. 基于决策树的EPG体验异常原因定位[J]. 电信科学, 2019, 35(8): 158-164.
[15]	鲁泽霖,李强治. 电子商务平台的演化逻辑和运营机理[J]. 电信科学, 2019, 35(7): 152-158.

基于MapR的IPTV用户收视行为分析的方案与实践

Scheme and practice of IPTV user viewing behavior analysis based on MapR

在线阅读

PDF下载

可视化

被引次数

摘要/Abstract

引用本文

使用本文

图/表 8

参考文献 6

相关文章 15

Metrics

推荐阅读 0